本发明涉及人工智能，提供一种实体抽取样本的数据增强方法，通过聚类的方法对现有的大批量人工标注进行有效性判断，对置信度与簇中心相差较大的样本进行剔除，保证用于模型训练数据的高质量。同时被剔除的样本通过与存量样本进行相似度比对判定，进而对相似度高的样本进行召回，生成了有限的标注标签集合，完成了硬性匹配过滤，保证标注数据质检的有序进行；实现了大量减少人力投入，适用于大量数据集的NER实体识别场景的技术效果。